Geri Dön

Yapay sinir ağları ile Türkiye elektrik piyasası fiyat tahmini

Electricity price forecasting in the Turkish market using artificial neural networks

  1. Tez No: 890317
  2. Yazar: AYLİN BÜYÜKMIHCI
  3. Danışmanlar: DOÇ. DR. MUHLİS ÖZDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 74

Özet

Daha so2001 yılına kadar Türkiye'de elektrik enerjisi üretimi ve tüketimi kamu denetiminde gerçekleştiriliyordu. Ancak, ekonomik etkinliği artırmak, rekabeti teşvik etmek ve şeffaf bir piyasa yapısı kurmak amacıyla, 2001 yılında kurulan Enerji Piyasası Düzenleme Kurumu (EPDK) ve yayımlanan Elektrik Piyasası Kanunu ile birlikte, elektrik piyasası kamu tekelinden çıkarılarak özel şirketlere açıldı ve serbestleşme süreci başlatıldı.Elektrik üretim ve tedarik şirketleri, Enerji Piyasaları İşletim A.Ş. (EPİAŞ) nezdindeki Gün Öncesi Piyasası (GÖP)'te günlük ve saatlik üretim, tüketim miktarlılarını tahmin ederler. Piyasa ve sistemin dengelenmesi için elektrik tedarik şirketlerinin tüketim miktarlarını ve üretim şirketlerinin de üretim miktarlarını gerçek değere yakın tahmin etmeleri önemlidir.Diğer taraftan GÖP'te yapılan bu tahminler neticesinde arz ve talebin kesiştiği noktada günlük ve saatlik bazda elektrik fiyatı olan Piyasa Takas Fiyatı (PTF) oluşmaktadır. EPİAŞ nezdinde gün öncesinde oluşan ve duyurulan bu fiyatı gerçeğe yakın tahminlemek de özel şirketlerin nakit akışlarını öngörülü hale getirmek ve getirilerini maksimum seviyede tutmak açısından önemlidir. Elektrik enerjisi tedariki için önemli bir maliyet olan ve son yıllarda öngörülebilirliği gittikçe azalan piyasa yapısında PTF'nin iyi performansta tahmin edilebilmesi önemlidir. Bu çalışmada tahminleme süreçlerinde etkin performans sağlayan yapay sinir ağları modellerinde çok katmanlı algılayıcılarla kısa ve uzun dönemli testler gerçekleştirilmiştir. Çalışmanın amacı kısa ve uzun vadede elde edilen sonuçları karşılaştırmak, uzun vadede PTF'yi etkileyen durum ve değişkenlerin kapsamlı analizini yapmak ve değerlendirmektir. Araştırma kapsamında kısa ve uzun dönemli PTF tahmini için farklı yıl ve mevsimlerden örnek günler ve yıllar seçilmiştir. Günlük, saatlik ve yıllık bazda Üretim, Tüketim, Doğal gaz, Kömür, Hidroelektrik, Rüzgâr üretim değerleri, Dolar Kuru, İthal Kömür ve Doğal gaz Maliyetleri, Yağış Miktarı ve Sıcaklık verileri bağımsız değişken girdisi olarak kullanılmıştır. Bu değişkenler PTF üzerinde etkili olan arz ve talep faktörleridir. PTF ise bağımlı değişken olarak kullanılmıştır. Aktivasyon fonksiyonu olarak çok katmanlı algılayıcılarda aşırı öğrenmeye dirençli, geri yayılımda eğitilmesi kolay ve etkin tahminler yapabilmesi sebepleri ile ReLU aktivasyon fonksiyonu tercih edilmiştir Tahminlerin doğruluğunu yüzdelik hata ile ölçmek için arasındaki hata kareler ortalamasının karekökü (Root Mean Squared Error - RMSE), ortalama mutlak yüzde hata (Mean Absolute Percentage Error-MAPE) ve hatanın mutlak ortalaması (Mean Absolute Error - MAE) değerleri ile elde edilen kısa dönemli ve uzun dönemli sonuçlar incelenmiştir.nra doldurulacaktır.

Özet (Çeviri)

Until 2001, the production and consumption of electricity in Turkey was under public control. However, with the establishment of the Energy Market Regulatory Authority (EMRA) and the Electricity Market Law in 2001 to increase economic efficiency, promote competition and establish a transparent market structure, the electricity market was removed from the public monopoly, opened to private companies and the liberalization process was initiated. Electricity generation and supply companies forecast daily and hourly generation and consumption quantities in the Day-Ahead Market (DAM) at the Energy Markets Operation Company (EPİAŞ). In order to balance the market and the system, it is important for electricity supply companies to forecast consumption and generation companies to forecast generation close to the actual value. On the other hand, as a result of these forecasts made in the DAM, the Market Clearing Price (MCP), which is the electricity price on a daily and hourly basis, is formed at the intersection of supply and demand. Forecasting this price, which is formed and announced by EPİAŞ the day before, is also important for private companies to predict their cash flows and maximize their returns. It is important to be able to predict the MCP with good performance in the market structure, which is an important cost for the supply of electrical energy and whose predictability has been decreasing in recent years. In this study, short and long term tests were carried out with multilayer perceptrons in artificial neural network models that provide effective performance in forecasting processes. The aim of the study is to compare the results obtained in the short and long term, and to make a comprehensive analysis and evaluation of the conditions and variables affecting the MCP in the long term. Within the scope of the study, sample days and years were selected from different years and seasons for short and long term MCP estimation. Daily, hourly and yearly Production, Consumption, Natural Gas, Coal, Hydroelectricity, Wind generation values, Dollar Exchange Rate, Imported Coal and Natural Gas Costs, Precipitation Amount and Temperature data were used as independent variable inputs. These variables are the supply and demand factors that affect the MCP. MCP is used as the dependent variable. ReLU activation function was preferred as the activation function because it is resistant to overlearning in multilayer sensors, easy to train in backpropagation and can make effective predictions. To measure the accuracy of the predictions with percentage error, short-term and long-term results obtained using Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), and Mean Absolute Error (MAE) values were examined.

Benzer Tezler

  1. Türkiye elektrik piyasası kısa dönemli referans fiyat tahmini

    Turkish electricity market short term market clearing price forecasting

    SERCAN YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Ekonometriİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. SERMİN ONAYGİL

  2. Elektrı̇k pı̇yasalarında elektrı̇k yük talebı̇ ve gün öncesı̇ elektrı̇k fı̇yat tahmı̇nı̇: Türkı̇ye uygulaması

    Electricity load demand and day-ahead electricity price forecast in electricity markets: Implementation on Turkey

    FAHRETTİN FİLİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İşletmeAnkara Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. FAZIL GÖKGÖZ

  3. Essays on electricity price modeling and forecasting

    Elektrik fiyatlarının modellenmesi ve tahmini üzerine makaleler

    UMUT UĞURLU

    Doktora

    İngilizce

    İngilizce

    2019

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  4. Yapay sinir ağları kullanılarak Türkiye gün öncesi piyasası elektrik fiyat tahmini

    Turkish day ahead market electricity clearing price forecasting using artificial neural network

    ASLIHAN DALGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DOÇ. DR. GÜLGÜN KAYAKUTLU

  5. Elektrik piyasasında fiyatlandırma ve Türkiye elektrik piyasasında fiyat tahmini

    Pricing in electricity market and price forecasting in Turkish electricity market

    İBRAHİM MURAT BİCİL

    Doktora

    Türkçe

    Türkçe

    2015

    EkonomiBalıkesir Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. HAKAN ÇETİNTAŞ